雾霾污染的城市间动态关联及其成因研究.docVIP

雾霾污染的城市间动态关联及其成因研究 　　摘要面对严重的雾霾天气以及雾霾污染边界不断扩张的严峻挑战，加快创新大气污染联防联控体系以形成跨区域协同治污合力势在必行。本文基于京津冀、长三角、珠三角、成渝、长中游等五大地区96个城市2015年的空气质量指数（AQI）以及PM2.5、PM10、SO2、CO、NO2、O3等6种分项污染物的逐日数据，从时间序列数据“预测能力”的视角，在向量自回归模型框架下识别雾霾污染的城市间动态交互影响效应，运用社会网络分析方法刻画雾霾污染空间关联的网络结构特征。在此基础上，运用二次指派程序从分项污染物视角考察雾霾污染空间关联的关键诱因，并利用双变量Moran指数揭示雾霾污染与其影响因素之间的空间相关性。研究发现，城市雾霾污染之间存在普遍的动态关联关系且呈现出联系紧密、稳定性强、带有明显特征的多线程复杂网络结构形态。不论在地区内部还是在全部样本城市当中，均不存在孤立的城市节点，这意味着面对雾霾污染的空间关联网络，任何一个城市都不能独善其身，均受到来自地区内部和地区以外其他城市以及它们构成的空间关联网络的影响。在六种分项污染物中，PM2.5的空?g关联是导致雾霾污染空间关联的最主要诱因。城市雾霾污染与其影响因素尤其是城市人口密度、投资强度、工业污染排放之间存在显著的空间相关性。基于上述结论，中国应当加快构建以防控PM2.5为重点的跨区域雾霾污染协同治理机制，并将其融入城市群发展战略以及区域发展战略之中，最终实现包含雾霾污染协同治理在内的全方位的区域协同发展。 　　关键词雾霾污染；动态关联；社会网络分析；协同治理 　　中图分类号F205文献标识码A文章编号1002-2104（2017）03-0074-08doi：10.3969/j.issn.1002-2104.2017.03.009 　　当前，中国已经成为世界上大气污染最严重的地区之一，尤其是经济发达、人口密集的京津冀、长三角、珠三角、成渝以及长中游等地区已经成为中国大气污染的重点区域。2015年12月以来，华北地区多次出现大面积的严重雾霾天气，多个城市连续启动了霾红色预警。更为严峻的是，雾霾污染边界的不断扩张使得在一个污染严重的区域内部没有任何一个城市的空气质量能够独善其身，多个城市之间的动态关联构成了一个以城市为节点的复杂网络。城市雾霾污染的空间关联网络给大气污染防治提出严峻挑战，按照行政区域边界的环境管理模式与雾霾污染区域性特征之间的矛盾不断加剧，仅从行政区划的角度考虑单个城市雾霾污染防治的“各自为战”的环境管理和污染治理模式已经难以有效解决当前愈加严重的区域雾霾污染问题[1]，加强区域联防联控以形成跨区域协同治污合力势在必行。 　　从相关领域研究进展看，大量文献基于空气质量模型证实了污染物可以实现跨界传输[2-5]，部分研究基于空间统计技术刻画了污染物的空间分布和空间关联特征[6-9]，或者应用时间序列统计和计量经济技术描述污染物的时间变动规律[10-12]。然而，受样本数据及研究方法的限制，现有研究尚未揭示出雾霾污染在更大空间尺度上的的动态关联。在此背景下，揭示雾霾污染的动态关联特征，并深入探究雾霾污染空间关联的成因，对于完善雾霾污染的跨区域协同治理机制具有重要的理论价值和现实意义。 　　本文以京津冀、长三角、珠三角、成渝、长中游等五大地区的96个城市为样本，采用2015年环保部发布的城市空气质量指数（Air Quality Index， AQI）以及PM2.5、PM10、SO2、CO、NO2、O3等六种分项污染物日报数据，从时间序列数据“预测能力”的视角，在向量自回归框架下构建了区域雾霾污染的动态交互影响模型，实证考察雾霾污染的动态关联效应。在此基础上，构建雾霾污染空间关联网络并运用社会网络分析（Social Network Analysis， SNA）方法刻画其结构特征。在揭示雾霾污染动态关联效应的基础上，运用二次指派程序（Quadratic Assignment Procedure， QAP）方法从分项污染物视角揭示雾霾污染空间关联的关键诱因，并利用双变量Moran指数揭示雾霾污染与其影响因素之间的空间相关性，最终为雾霾污染的跨区域协同治理提供对策建议。 　　刘华军等：雾霾污染的城市间动态关联及其成因研究中国人口?资源与环境2017年第3期1模型构建与样本数据 　　1.1雾霾污染的区域间动态交互影响模型 　　伴随区域开放不断深化，区域（城市、城市群）之间的空间关联愈发紧密，这已经被大量经验研究文献所证实，而且区域之间的空间关联不仅仅体现在经济方面，在能源、环境领域的联系也日趋紧密[13-14]。对于雾霾污染的空间联系，基于空气质量模型的研究已经表明污染物可以实现跨界传输。在大气环流以及经济发展等因素的作用下，雾霾污染